Đặc tả kỹ thuật trạm vision và nghiệm thu FAT/SAT

Bạn đã biết tính thời gian (bài "Trigger, encoder và cycle time") và viết tiêu chí OK/NG bằng con số (bài "Tiêu chí OK/NG, escape và overkill"). Giờ là lúc gom tất cả vào một tài liệu mà hai bên cùng ký: đặc tả kỹ thuật của trạm, và kế hoạch chứng minh trạm đạt đặc tả đó qua hai lần nghiệm thu, FAT tại xưởng của bạn và SAT tại nhà máy khách hàng. Đây là kỹ năng phân biệt người "làm được demo" với kỹ sư giao được dự án: không có đặc tả, dự án không bao giờ kết thúc, vì luôn có thêm một yêu cầu "tưởng là hiển nhiên".

1. Từ yêu cầu khách hàng đến đặc tả kỹ thuật

Thường có hai tài liệu:

• Đặc tả yêu cầu người dùng (URS, User Requirement Specification) do khách hàng viết: họ muốn gì, bằng ngôn ngữ của họ. Nhiều nhà máy nhỏ không có URS, chỉ có email như ở bài tập chặng 4.
• Đặc tả chức năng/kỹ thuật (thường gọi FS hoặc FDS, Functional Design Specification) do bên cung cấp viết: trạm làm gì, làm thế nào, đạt con số nào, kiểm chứng ra sao. Khách hàng duyệt và ký. Đây là tài liệu bạn viết trong bài này.

Một yêu cầu tốt trong đặc tả có bốn phần: mã (để truy vết), phát biểu dùng chữ "phải", phương pháp kiểm (thử nghiệm, kiểm tra, phân tích, trình diễn), và tiêu chí đạt bằng con số.

2. Mẫu đặc tả: các mục bắt buộc

3. Bộ mẫu chuẩn

Nghiệm thu chỉ có ý nghĩa khi cả hai bên dùng chung một bộ mẫu đã thống nhất. Bộ mẫu thường gồm:

Quy tắc quản lý mẫu: mỗi mẫu có mã, nhãn, ảnh, mô tả lỗi và kích thước đo; QA khách hàng ký xác nhận phân loại; cất trong hộp bảo vệ; ghi rõ ai giữ. Mẫu NG tạo nhân tạo (vẽ bút lên sản phẩm, cắt bớt ngàm) chỉ dùng khi không có lỗi thật, và phải được khách hàng chấp nhận là đại diện cho lỗi thật. Mẫu bị trầy xước, bẩn dần theo thời gian: kiểm tra lại định kỳ.

4. Kịch bản thử 1: độ lặp lại phép đo

Với hạng mục đo kích thước, câu hỏi là: trạm cho cùng một sản phẩm cùng một con số bao nhiêu lần? Kịch bản phổ biến: 10 sản phẩm × 30 lần, mỗi lần lấy sản phẩm ra và nạp lại (đặt lên băng tải, cho chạy qua trạm), để tính cả ảnh hưởng của vị trí đặt. 10 sản phẩm nên trải khắp dải dung sai và đã được đo bằng thiết bị chuẩn. Mô phỏng một trạm đo kích thước 25,00 ± 0,05 mm có lệch hệ thống +0,004 mm và sai số ngẫu nhiên σ = 0,0025 mm:

import numpy as np

rng = np.random.default_rng(11)
DANH_DINH, DUNG_SAI = 25.00, 0.05          # mm: kích thước 25,00 ± 0,05 → dải T = 0,10 mm
T = 2 * DUNG_SAI
SO_SP, SO_LAN = 10, 30                     # 10 sản phẩm × 30 lần nạp lại mỗi sản phẩm

# Giá trị "thật" của 10 sản phẩm (đo bằng máy CMM), trải khắp dải dung sai
gia_tri_that = rng.uniform(24.96, 25.04, SO_SP)
# Trạm vision: lệch hệ thống +0,004 mm, sai số ngẫu nhiên σ = 0,0025 mm mỗi lần nạp
do = gia_tri_that[:, None] + 0.004 + rng.normal(0, 0.0025, (SO_SP, SO_LAN))
np.savetxt("lap_lai_10x30.csv", do, delimiter=",", fmt="%.4f")

print("sp | CMM     | TB vision | lệch    | σ       | khoảng (max-min)")
for i in range(SO_SP):
    d = do[i]
    print(f"{i + 1:2d} | {gia_tri_that[i]:.4f} | {d.mean():.4f}   | {d.mean() - gia_tri_that[i]:+.4f} |"
          f" {d.std(ddof=1):.4f}  | {np.ptp(d):.4f}")

s_lap = np.sqrt(np.mean(do.var(axis=1, ddof=1)))         # σ lặp lại gộp (pooled) của 10 sản phẩm
grr = 6 * s_lap / T * 100                                 # %GRR so với dải dung sai (chỉ thành phần lặp lại)
lech_tb = np.mean(do.mean(axis=1) - gia_tri_that)
print(f"\nσ lặp lại gộp: {s_lap:.4f} mm | 6σ = {6 * s_lap:.4f} mm = {grr:.1f}% dải dung sai")
print(f"Lệch hệ thống trung bình so với CMM: {lech_tb:+.4f} mm")
print("Đánh giá %GRR:", "đạt (≤ 10%)" if grr <= 10 else "có điều kiện (10–30%)" if grr <= 30 else "KHÔNG ĐẠT (> 30%)")

sp | CMM     | TB vision | lệch    | σ       | khoảng (max-min)
 1 | 24.9703 | 24.9740   | +0.0037 | 0.0021  | 0.0087
 2 | 24.9999 | 25.0039   | +0.0040 | 0.0021  | 0.0079
 3 | 25.0081 | 25.0126   | +0.0045 | 0.0027  | 0.0095
 4 | 24.9623 | 24.9666   | +0.0043 | 0.0024  | 0.0100
 5 | 24.9718 | 24.9760   | +0.0041 | 0.0027  | 0.0107
 6 | 25.0343 | 25.0381   | +0.0039 | 0.0015  | 0.0060
 7 | 24.9656 | 24.9698   | +0.0042 | 0.0024  | 0.0084
 8 | 24.9704 | 24.9739   | +0.0035 | 0.0025  | 0.0101
 9 | 25.0359 | 25.0404   | +0.0045 | 0.0023  | 0.0098
10 | 25.0098 | 25.0136   | +0.0038 | 0.0027  | 0.0136

σ lặp lại gộp: 0.0024 mm | 6σ = 0.0142 mm = 14.2% dải dung sai
Lệch hệ thống trung bình so với CMM: +0.0040 mm
Đánh giá %GRR: có điều kiện (10–30%)

Cách đọc:

• σ lặp lại khoảng 0,0024 mm cho mọi sản phẩm. 6σ = 0,0142 mm, chiếm 14,2% dải dung sai 0,10 mm. Con số này gọi là %GRR (gauge repeatability and reproducibility) so với dung sai. Theo hướng dẫn phân tích hệ thống đo (MSA) của AIAG được dùng rộng rãi trong công nghiệp ô tô: dưới 10% là tốt, 10–30% có thể chấp nhận tùy tầm quan trọng của kích thước và chi phí, trên 30% là không chấp nhận.
• Ở đây ta mới tính thành phần lặp lại (cùng trạm, nạp lại nhiều lần). Gauge R&R đầy đủ còn có thành phần tái lập (reproducibility): với thước cầm tay là giữa các người đo; với trạm vision tự động thường thay bằng giữa các ngày, các ca, hoặc giữa hai trạm giống nhau. Hai thành phần được tách bằng phân tích phương sai; chi tiết thống kê nằm ngoài phạm vi bài này.
• Lệch hệ thống +0,004 mm lặp lại ở mọi sản phẩm: đó là sai số hiệu chuẩn, không phải nhiễu. Nó không làm %GRR xấu đi, nhưng làm mọi kết quả đo bị dịch, và được kiểm tra bằng bài thử với mẫu chuẩn dưới đây.

Bài thử bổ sung hay dùng là nghiên cứu hệ đo loại 1: đo một mẫu chuẩn 50 lần, tính Cg (độ chụm so với dung sai) và Cgk (thêm ảnh hưởng của độ lệch). Công thức phổ biến lấy 20% dải dung sai so với 6 lần độ lệch chuẩn, yêu cầu thường gặp là Cg, Cgk ≥ 1,33:

import numpy as np

# Nghiên cứu hệ đo loại 1 (type-1 gauge study): đo 1 mẫu chuẩn (master) 50 lần, không nạp lại
rng = np.random.default_rng(3)
GIA_TRI_CHUAN = 25.000                  # mm, giá trị mẫu chuẩn có chứng nhận đo
T = 0.10                                # mm, dải dung sai của kích thước
do = GIA_TRI_CHUAN + 0.004 + rng.normal(0, 0.002, 50)


def cg_cgk(m, chuan, T):
    s = m.std(ddof=1)
    lech = m.mean() - chuan
    cg = 0.2 * T / (6 * s)                      # cách tính phổ biến: 20% dải dung sai so với 6s
    cgk = (0.1 * T - abs(lech)) / (3 * s)
    return s, lech, cg, cgk


for ten, m in (("trước bù lệch", do), ("sau bù lệch -0,004 mm", do - 0.004)):
    s, lech, cg, cgk = cg_cgk(m, GIA_TRI_CHUAN, T)
    ket_luan = "đạt" if min(cg, cgk) >= 1.33 else "KHÔNG ĐẠT"
    print(f"{ten:22s}: s = {s:.4f}, lệch = {lech:+.4f} → Cg = {cg:.2f}, Cgk = {cgk:.2f} ({ket_luan}, yêu cầu ≥ 1,33)")

trước bù lệch         : s = 0.0022, lệch = +0.0040 → Cg = 1.51, Cgk = 0.90 (KHÔNG ĐẠT, yêu cầu ≥ 1,33)
sau bù lệch -0,004 mm : s = 0.0022, lệch = +0.0000 → Cg = 1.51, Cgk = 1.50 (đạt, yêu cầu ≥ 1,33)

Cg đạt nhưng Cgk không đạt: trạm đủ chụm nhưng bị lệch. Sửa bằng bù lệch (offset) từ hiệu chuẩn với mẫu chuẩn, rồi chạy lại 50 lần mới để xác nhận (trong code ta trừ trên cùng dữ liệu chỉ để minh họa). Nếu Cg không đạt, bù lệch không cứu được: phải giảm nhiễu (chiếu sáng, độ phân giải, đồ gá, thuật toán).

5. Kịch bản thử 2: phát hiện lỗi và loại nhầm

Với hạng mục kiểm lỗi, kịch bản phổ biến: mỗi mẫu NG chạy qua trạm nhiều lần (ví dụ 10 lần), mỗi lần đặt vị trí, hướng khác nhau trong phạm vi đặc tả; mẫu OK cũng chạy nhiều lần để đo loại nhầm. Ví dụ dùng bộ mẫu của trạm vỏ remote ở bài tập chặng 4: 5 loại lỗi × 4 mẫu, 50 mẫu OK. Tiêu chí: (1) mọi mẫu NG phát hiện 10/10 lần; (2) loại nhầm trên mẫu OK ≤ 0,5% số lần chạy.

import numpy as np

rng = np.random.default_rng(2024)
SO_LAN = 10                                         # mỗi mẫu chạy 10 lần, đổi vị trí/hướng mỗi lần
# Bộ mẫu NG: (mã mẫu, loại lỗi, xác suất trạm phát hiện mỗi lần) — xác suất chỉ dùng để mô phỏng
MAU_NG = [(f"NG-{loai}-{k}", loai, 0.90 if (loai, k) == ("ba-via", 3) else 1.0)
          for loai in ("thiếu ngàm", "short shot", "ba-via", "vết đen", "lỗ bị bịt")
          for k in range(1, 5)]
MAU_OK = [f"OK-{k:02d}" for k in range(1, 51)]
P_LOAI_NHAM = 0.002                                 # xác suất một lần chạy mẫu OK bị báo NG

# --- chạy thử (mô phỏng)
kq_ng = {ma: rng.random(SO_LAN) < p for ma, _, p in MAU_NG}        # True = phát hiện
kq_ok = {ma: rng.random(SO_LAN) < P_LOAI_NHAM for ma in MAU_OK}     # True = loại nhầm

# --- đánh giá theo tiêu chí nghiệm thu
print("Loại lỗi           | lần phát hiện / lần chạy")
for loai in dict.fromkeys(l for _, l, _ in MAU_NG):
    ma_loai = [ma for ma, l, _ in MAU_NG if l == loai]
    phat_hien = sum(kq_ng[ma].sum() for ma in ma_loai)
    print(f"{loai:18s} | {phat_hien:3d} / {len(ma_loai) * SO_LAN}")
sot = {ma: int((~v).sum()) for ma, v in kq_ng.items() if (~v).any()}
nham = sum(int(v.sum()) for v in kq_ok.values())
tong_ok = len(MAU_OK) * SO_LAN
print(f"Mẫu NG bị sót: {sot if sot else 'không có'}")
print(f"Loại nhầm trên mẫu OK: {nham} / {tong_ok} lần chạy = {nham / tong_ok:.2%}")
dat_1 = not sot                                     # tiêu chí 1: mọi mẫu NG phát hiện 10/10 lần
dat_2 = nham / tong_ok <= 0.005                     # tiêu chí 2: loại nhầm ≤ 0,5% số lần chạy OK
print(f"Tiêu chí 1 (NG 10/10): {'ĐẠT' if dat_1 else 'KHÔNG ĐẠT'} | "
      f"Tiêu chí 2 (overkill ≤ 0,5%): {'ĐẠT' if dat_2 else 'KHÔNG ĐẠT'}")

Loại lỗi           | lần phát hiện / lần chạy
thiếu ngàm         |  40 / 40
short shot         |  40 / 40
ba-via             |  39 / 40
vết đen            |  40 / 40
lỗ bị bịt          |  40 / 40
Mẫu NG bị sót: {'NG-ba-via-3': 1}
Loại nhầm trên mẫu OK: 1 / 500 lần chạy = 0.20%
Tiêu chí 1 (NG 10/10): KHÔNG ĐẠT | Tiêu chí 2 (overkill ≤ 0,5%): ĐẠT

Mẫu NG-ba-via-3 bị sót 1/10 lần: tiêu chí 1 không đạt. Cách xử lý đúng quy trình:

1. Ghi nhận vào biên bản, không xóa kết quả.
2. Xem ảnh lần bị sót: lỗi nằm sát ngưỡng? Do vị trí đặt? Do chiếu sáng ở góc đó? Hay mẫu này thực ra là mẫu giới hạn bị phân loại sai?
3. Sửa nguyên nhân, rồi chạy lại toàn bộ bộ mẫu NG và OK, không chỉ mẫu bị sót. Chỉnh ngưỡng để bắt một mẫu có thể làm tăng loại nhầm ở mẫu khác; chỉ chạy lại toàn bộ mới phát hiện được.

Nhớ lại bài trước: 200 lần chạy NG không lọt chỉ chứng minh escape dưới khoảng 1,5% (quy tắc 3/n), và đó là khi coi 200 lần chạy là độc lập, trong khi thực tế chỉ có 20 mẫu lỗi khác nhau. Bộ mẫu nghiệm thu chứng minh trạm làm đúng chức năng trên các lỗi đã biết; tỉ lệ ppm trong sản xuất được theo dõi tiếp sau khi bàn giao.

6. Các kịch bản thử khác

7. FAT và SAT

Trình tự điển hình: đặc tả được ký → thiết kế → chế tạo → thử nội bộ → FAT → giao hàng → lắp đặt, chạy thử → SAT → bàn giao, bảo hành. Lỗi tìm thấy ở FAT tốn vài giờ để sửa; cùng lỗi đó tìm thấy ở SAT có thể tốn một chuyến công tác và một ngày dừng dây chuyền của khách hàng.

Đầu ra của mỗi lần nghiệm thu là một ma trận truy xuất: mỗi yêu cầu trong đặc tả, phương pháp, giới hạn, kết quả đo, đạt hay không. Yêu cầu không đạt vào danh sách tồn đọng kèm người chịu trách nhiệm và hạn xử lý:

# Ma trận truy xuất yêu cầu → kết quả thử: đầu ra cuối cùng của FAT/SAT
YEU_CAU = [  # (mã, yêu cầu, phương pháp kiểm, giới hạn, kết quả đo, so sánh)
    ("R-PER-01", "Thời gian xử lý chậm nhất, ms (10.000 ảnh)", "Thử", 1500, 820, "<="),
    ("R-PER-02", "Số sản phẩm thiếu kết quả, chạy liên tục 4 h", "Thử", 0, 0, "<="),
    ("R-DET-01", "Số lần sót trên bộ mẫu NG (20 mẫu × 10)", "Thử", 0, 1, "<="),
    ("R-DET-02", "Overkill trên bộ mẫu OK (50 mẫu × 10), %", "Thử", 0.5, 0.2, "<="),
    ("R-MEA-01", "%GRR kích thước 25,00 ± 0,05 mm", "Thử", 30, 14.2, "<="),
    ("R-COM-01", "Thời gian báo lỗi khi mất kết nối PLC, s", "Thử", 2, 0.6, "<="),
    ("R-DAT-01", "Số ngày lưu ảnh NG", "Kiểm tra cấu hình", 30, 60, ">="),
]
dat = 0
ton_dong = []
for ma, mo_ta, pp, gh, kq, ss in YEU_CAU:
    ok = kq <= gh if ss == "<=" else kq >= gh
    dat += ok
    if not ok:
        ton_dong.append(ma)
    print(f"{ma} | {mo_ta:45s} | {pp:17s} | {ss} {gh:<6} | {kq:<6} | {'ĐẠT' if ok else 'KHÔNG ĐẠT'}")
print(f"\nĐạt {dat}/{len(YEU_CAU)}. Tồn đọng (punch list): {', '.join(ton_dong) or 'không'}")

R-PER-01 | Thời gian xử lý chậm nhất, ms (10.000 ảnh)    | Thử               | <= 1500   | 820    | ĐẠT
R-PER-02 | Số sản phẩm thiếu kết quả, chạy liên tục 4 h  | Thử               | <= 0      | 0      | ĐẠT
R-DET-01 | Số lần sót trên bộ mẫu NG (20 mẫu × 10)       | Thử               | <= 0      | 1      | KHÔNG ĐẠT
R-DET-02 | Overkill trên bộ mẫu OK (50 mẫu × 10), %      | Thử               | <= 0.5    | 0.2    | ĐẠT
R-MEA-01 | %GRR kích thước 25,00 ± 0,05 mm               | Thử               | <= 30     | 14.2   | ĐẠT
R-COM-01 | Thời gian báo lỗi khi mất kết nối PLC, s      | Thử               | <= 2      | 0.6    | ĐẠT
R-DAT-01 | Số ngày lưu ảnh NG                            | Kiểm tra cấu hình | >= 30     | 60     | ĐẠT

Đạt 6/7. Tồn đọng (punch list): R-DET-01

Hai bên có thể thỏa thuận cho giao hàng có điều kiện với tồn đọng nhỏ, nhưng phải ghi rõ trong biên bản và đóng tồn đọng trước hoặc trong SAT.

8. Sai lầm thường gặp

• Không có bộ mẫu thống nhất trước FAT; đến ngày nghiệm thu khách hàng mang tới mẫu lỗi mới chưa từng thấy.
• Tiêu chí đạt không có con số: "trạm chạy ổn định", "phát hiện tốt".
• Chỉ thử ở điều kiện đẹp: mẫu đặt đúng tâm, đèn xưởng tắt, tốc độ chậm.
• Chỉnh tham số trong lúc nghiệm thu rồi chỉ chạy lại mẫu bị sai.
• Bỏ qua bài thử hành vi khi lỗi: trạm đạt mọi bài thử chức năng nhưng khi rút cáp mạng thì cho qua mọi sản phẩm.
• Không lưu bằng chứng: ảnh, log, file kết quả của bài thử phải được lưu cùng biên bản.

9. Bài tập

import numpy as np

do = np.loadtxt("lap_lai_10x30.csv", delimiter=",")
s_lap = np.sqrt(np.mean(do.var(axis=1, ddof=1)))
for dung_sai in (0.05, 0.02):
    grr = 6 * s_lap / (2 * dung_sai) * 100
    print(f"± {dung_sai} mm: %GRR = {grr:.1f}%")

± 0.05 mm: %GRR = 14.2%
± 0.02 mm: %GRR = 35.5%

Tóm tắt

• Đặc tả gồm: phạm vi (và ngoài phạm vi), đầu vào (sản phẩm, sản xuất, môi trường), tiêu chí kiểm tra, hiệu năng, giao tiếp, hành vi khi lỗi, HMI/dữ liệu, phần cứng, tài liệu, nghiệm thu.
• Mỗi yêu cầu có mã, chữ "phải", phương pháp kiểm và tiêu chí đạt bằng con số.
• Bộ mẫu chuẩn: OK, NG theo loại, mẫu giới hạn, mẫu đo chuẩn; được ký xác nhận và quản lý.
• Độ lặp lại: 10 sản phẩm × 30 lần, %GRR so với dung sai (< 10% tốt, 10–30% có điều kiện, > 30% không đạt); mẫu chuẩn 50 lần cho Cg/Cgk ≥ 1,33.
• Phát hiện lỗi: mỗi mẫu NG nhiều lần, nhiều vị trí; sai thì sửa nguyên nhân và chạy lại toàn bộ.
• FAT tại xưởng bên cung cấp, trước giao hàng; SAT tại nhà máy khách hàng, điều kiện thật, là điều kiện bàn giao.

Bài tiếp theo: Bài tập chặng 5: viết đặc tả một trạm kiểm tra nắp chai, áp dụng toàn bộ chặng này.